zoukankan      html  css  js  c++  java
  • 数据结构化与保存

    1.结构化:

    • 单条新闻的详情字典:news
    • 一个列表页所有单条新闻汇总列表:newsls.append(news)
    • 所有列表页的所有新闻汇总列表:newstotal.extend(newsls)

    2.转换成pandas的数据结构DataFrame

    3.从DataFrame保存到excel

    4.从DataFrame保存到sqlite3数据库

    import requests
    import re
    from bs4 import BeautifulSoup
    from datetime import datetime
    import pandas
     
     
    def getclick(url):
        id=re.search('_(.*).html',url).group(1).split('/')[1]
        clickurl='http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(id)
        click=int(requests.get(clickurl).text.split('.')[-1].lstrip("html('").rstrip("');"))
        return click
     
    def getdetail(url):
        resd=requests.get(url)
        resd.encoding='utf-8'
        soupd=BeautifulSoup(resd.text,'html.parser')
        news={}
        news['title']=soupd.select('.show-title')[0].text
        news['url']=url
        info=soupd.select('.show-info')[0].text
        #news['dt']=datetime.strptime(info.lstrip('发布时间:')[0:19],'%Y-%m-%d %H:%M:')
        #news['source']=re.search('来源:(.*)点击',info).group(1).strip()

    news['content']=soupd.select('.show-content')[0].text.strip() news['click']=getclick(url) return(news) def onepage(pageurl): res=requests.get(pageurl) res.encoding='utf-8' soup = BeautifulSoup(res.text,'html.parser') newsls=[] for news in soup.select('li'): if len(news.select('.news-list-title'))>0: newsls.append(getdetail(news.select('a')[0]['href'])) return(newsls) ns=[] gzccurl='http://news.gzcc.cn/html/xiaoyuanxinwen/' ns.extend(onepage(gzccurl)) res=requests.get(gzccurl) res.encoding='utf-8' soup = BeautifulSoup(res.text,'html.parser') pages=int(soup.select('.a1')[0].text.rstrip(''))//10+1 for i in range(2,3): listurl='http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html'.format(i) ns.extend(onepage(listurl)) df=pandas.DataFrame(ns) print(df.head()) df.to_excel('gzccnews.xlsx')

  • 相关阅读:
    Windows下Yarn安装与使用
    Node.js安装及环境配置之Windows篇
    sharding-jdbc—分片策略:Inline行表达式分片策略InlineShardingStrategy(2)
    sharding-jdbc—分片策略:标准分片策略StandardShardingStrategy(1)
    sharding-jdbc—分片策略(总)
    ShardingJdbc 数据脱敏
    ShardingJdbc 数据分布式事务
    Spring Boot整合Sharding-JDBC实现分库分表+读写分离org.apache.shardingsphere+mybatis-plus(4)
    jenkins docker
    nps 使用
  • 原文地址:https://www.cnblogs.com/millmill/p/7689180.html
Copyright © 2011-2022 走看看